基于局部条纹频率估计的二维高斯滤波方法

提出一种基于局部条纹频率估计的干涉相位图二维高斯滤波方法。该方法采用最大似然法估计局部条纹频率,并用相位噪声的局部标准差评价噪声强度,从而控制滤波器参数实现自适应滤波,并采用仿真数据和SIR-C/XSAR在意大利Etna火山的干涉数据进行试验,将本算法与均值滤波方法和中值滤波方法以及Goldstein滤波方法进行了比较。试验结果表明,该方法不仅能够有效抑制干涉相位噪声,还能够很好地保持干涉条纹的细节信息。     

基于信噪比的InSAR干涉图自适应滤波

提出了一种基于信噪比的InSAR干涉图相位噪声抑制算法。该算法对Goldstein滤波方法进行了改进,使Goldstein滤波参数 依赖于局部信噪比,从而实现对低信噪比区域进行强滤波、高信噪比区域弱滤波。采用模拟数据和真实数据进行验证,结果表明新算法能有效抑制InSAR干涉图的噪声。     

基于信噪比的InSAR干涉图自适应滤波

提出一种基于信噪比的InSAR干涉图相位噪声抑制算法.该算法对Goldstein滤波方法进行改进,使Goldstein滤波参数α依赖于局部信噪比,从而实现对低信噪比区域进行强滤波、高信噪比区域弱滤波.采用模拟数据和真实数据进行验证,结果表明新算法能有效抑制InSAR干涉图的噪声.     

滤波参数对Goldstein干涉相位图滤波性能的影响分析

经典的Goldstein In SAR干涉图滤波算法选取滤波参数时存在较大的主观性。以经验值作为滤波参数的Goldstein滤波算法为基础,基于相干系数、相位标准偏差、伪相干系数、伪信噪比和结构相似性来获得滤波参数的Goldstein自适应滤波方法,采用32像素×32像素的滤波窗口对模拟和真实干涉相位图分别进行单次滤波实验,对滤波结果进行详细评价和对比分析。研究结果表明,基于这6种滤波参数均能在一定程度上抑制噪声,使干涉条纹趋势更加清晰,提升了干涉图的质量。其中,基于相位标准偏差的滤波不仅能够抑制噪声,并且较好地保持干涉图的细节和边缘信息;基于结构相似性和伪信噪比的滤波效果相对较弱;基于经验值、相干系数和伪相干系数的滤波效果相对欠佳。     

一种使用剪切波变换的干涉图滤波算法

干涉图小波阈值法滤波未考虑干涉相位统计特性, 导致在低相干区域得到的滤波效果不能令人满意。针对这一问题, 提出了一种剪切波变换与干涉相位标准差相结合的相位滤波算法。该算法将干涉相位统计特性与剪切波阈值滤波结合起来, 利用相位标准差改正滤波阈值以提高滤波效果。此外, 为了评价干涉图的滤波效果并为实测数据选择合适的滤波方法提供参考, 将模拟干涉图解缠结果的局部均方差分布作为滤波质量评价指标。将此算法与Goldstein滤波、小波滤波、最优方向融合滤波和剪切波软阈值滤波进行比较, 结果表明所提算法能更有效地削弱干涉图噪声, 同时保留干涉图的细节信息, 避免了低相干地区弱滤波问题。     

InSAR干涉条纹图去噪方法的研究

分析了干涉条纹图中相位噪声的来源,介绍了几种专门用于InSAR干涉条纹图噪声滤除的方法,针对干涉条纹图的相位跳跃现象,提出了正余弦变换的方法解决相位跳跃的问题,并在此基础上提出了两种新的相位噪声滤除方法———正余弦均值滤波法和正余弦中值滤波法,最后进行了对比试验,证明了本文提出的方法具有噪声抑制效果好、边缘信息保持能力强、算法简单的特点。     

噪声条件下的干涉SAR相位解缠

为了获得更为精确的相位解缠结果，利用经验模态分解算法对干涉相位图进行了噪声抑制，随后用Flynn最小不连续算法对滤波结果进行了相位解缠。对比中值滤波和C．Bo自适应滤波算法，以及预处理共轭梯度相位解缠算法的结果证明，经验模态分解滤波不驻能有效地抑制噪声，而且可以保持相位的细节信息和相位条纹的边缘信息，同时表明，在噪声条件下，Flynn相位解缠算法可以获得更为精确的真实相位。     

一种改进的SAR干涉图综合滤波算法研究

SAR干涉图作为相位信息的载体,其质量直接影响对研究区域形变状况的进一步分析,采取有效的滤波算法能抑制干涉图相位噪声,提高干涉测量精度。在获得的干涉相位图中,由于矿区开采而造成的地表沉降会体现出近环状相位条纹的特征。针对这一特点,对传统的基于梯度的滤波算法做出了改进,并结合Goldstein频域滤波和改进的梯度自适应滤波,提出了一种适用于矿区沉降形成的SAR干涉相位模式滤波方法。选取河北峰峰煤矿的PALSAR干涉相位图作为实验数据,对该滤波方法做出了详细的性能评价和对比。结果表明,采用本文提出的综合滤波方法在显著降低实验区SAR干涉图相位噪声的同时,也很好地保持了相位分辨率,使由于矿区沉降而造成的形变相位环的边缘形态更加清晰。     

一种基于条纹中心线的InSAR干涉图滤波方法

干涉条纹图噪声的滤除是InSAR数据处理的关键步骤之一.针对干涉条纹图的各向异性特征!提出一种基于条纹中心线的InSAR干涉图滤波算法!考虑到干涉条纹中心线获取的复杂性!此算法采用细胞神经网络快速提取干涉条纹图的条纹中心线#通过用真实的InSAR干涉图实验证明此方法具有很好的滤波效果!滤波结果视觉特征良好,残余点减少,保持了图像的边缘和细节特征!而且降低了为滤波效果所付出的时间代价.     

基于EMD-自适应滤波的干涉图去噪方法研究

提出了一种基于EMD-自适应滤波干涉图去噪方法,该方法基于信号和噪声经过经验模态分解后在不同的IMF上有不同的特征,即先对信号进行经验模态分解,然后对各个高频IMF信号分别选用不同的滤波梯度参数进行自适应滤波处理,从初始干涉图上减去与斑点噪声所对应尺度信息,从而达到噪声抑制的目的。通过实验对比研究了该算法与Goldstein滤波、圆周期中值滤波、EMD分解方法和梯度-自适应滤波去噪的降噪效果。实验表明,该方法不仅能有效地去除InSAR干涉图的噪声,并且能很好地保持相位的细节信息和条纹的边缘信息。     

联合EEMD-KECA算法的InSAR干涉相位时频滤波

根据干涉图信号和噪声时频分布差异的特点,提出一种改进的基于经验模态分解EEMD的InSAR干涉相位滤波方法。该方法首先利用可有效降低模态混叠的EEMD算法,对干涉图的实部及虚部分别进行2维经验模态分解,获得具有不同时间尺度的模态分量;然后根据信号和噪声分量的时间尺度分布特性的差异,采用适用于非线性信号分析的KECA算法对噪声识别、分离;最后利用去除噪声后的模态分量重构干涉图。为了证明本文方法的有效性,分别利用模拟数据及真实InSAR差分干涉相位进行滤波试验。对比本文EEMD-KECA滤波方法、Goldstein滤波、圆周期—中值滤波、EMD分解、EMD-PCA方法的滤波效果,采用相干斑指数、均方差指数、边缘保持指数进行定量评价。结果表明,与经典InSAR干涉图滤波方法相比,本文联合EEMD-KECA算法的滤波方法能有效滤除干涉图噪声,且在条纹边缘等细节信息的保持上也具有较大优势。     

A hybrid method for optimization of the adaptive Goldstein filter

The Goldstein filter is a well-known filter for interferometric filtering in the frequency domain. The main parameter of this filter, alpha, is set as a power of the filtering function. Depending on it, considered areas are strongly or weakly filtered. Several variants have been developed to adaptively determine alpha using different indicators such as the coherence, and phase standard deviation. The common objective of these methods is to prevent areas with low noise from being over filtered while simultaneously allowing stronger filtering over areas with high noise. However, the estimators of these indicators are biased in the real world and the optimal model to accurately determine the functional relationship between the indicators and alpha is also not clear. As a result, the filter always under- or over-filters and is rarely correct. The study presented in this paper aims to achieve accurate alpha estimation by correcting the biased estimator using homogeneous pixel selection and bootstrapping algorithms, and by developing an optimal nonlinear model to determine alpha. In addition, an iteration is also merged into the filtering procedure to suppress the high noise over incoherent areas. The experimental results from synthetic and real data show that the new filter works well under a variety of conditions and offers better and more reliable performance when compared to existing approaches.     

An Adaptive Contoured Window Filter for Interferometric Synthetic Aperture Radar

An adaptive contoured window filter is proposed to filter off the noise from phase images of interferometric synthetic aperture radar (InSAR) in this letter. The contoured windows can best satisfy the requirement that constrains the phase signal constant inside windows on which low-pass filtering can remove the noise well while the fringe phases are well preserved. The contoured windows are determined by tracing along the local fringe orientation. An algorithm for determining window sizes adaptive to the fringe density is also proposed. The theoretical analysis and experiments prove that the proposed filter can greatly remove decorrelation noise while preserving the fringe phase well, even for those fringes with strong curvatures for InSAR processing     

A locally adaptive filter of interferometric phase images

We propose an adaptive filtering approach for interferograms, which is a modification to the Lee adaptive complex filter. Based on local frequency estimates, we compute the normal orientation of local phase fringes. A directionally dependent filtering window is aligned perpendicular to the normal orientation of local phase fringes (i.e., along local phase fringes) by interpolation, making the pixels included in the filtering window have approximately more homogeneous values. Moreover, the computation of the filter parameter does not require local phase unwrapping in the real plane. This filter minimizes the loss of signal and reduces the level of noise. By using two sets of simulated data, its effectiveness can be seen in terms of the fidelity to noise-free phases, fringe preservation, and residue reduction.     

一种利用卷积神经网络的干涉图去噪方法

干涉图滤波是合成孔径雷达数据处理的关键,引入卷积神经网络（convolutional neural networks,CNN）进行干涉图去噪。首先,采用自编码器结构进行非监督学习,将干涉图去除局部地形坡度相位,所得残余噪声作为模型输入;然后将模型输出结果与去除的局部地形坡度相位相加,生成滤波结果。利用航天飞机成像雷达数据和哨兵一号A(Sentinel-1A)卫星数据,通过与Goldstein滤波器、均值滤波器、Lee滤波、Frost滤波、改进的去噪卷积神经网络（denoising convolutional neural network,DnCNN）进行对比实验,结果表明,该方法对干涉图相位质量有很大的改善,不仅能够较大程度地抑制噪声,而且能够更多地恢复出图像细节,保持干涉条纹边缘连续性。     

基于边缘检测的自适应干涉SAR降噪方法

提出了一种新的相位滤波方法,基于干涉条纹方向的检测,完全自适应地对干涉相位进行滤波。本方法计算简单,十分适用于干涉条纹密集的区域进行滤波。通过SIR—C／X—SAR的X—SAR数据的处理验证,结果令人满意。     

基于修正嵌入式容积卡尔曼滤波的相位展开算法

针对干涉图展开问题,将Levenberg-Marquardt方法修正后的嵌入式容积卡尔曼滤波器应用于缠绕相位图像的展开中,结合基于修正矩阵束模型的局部相位梯度估计算法以及量化跟踪策略,提出一种基于修正嵌入式容积卡尔曼滤波的相位展开算法。该算法不仅可以精确和快速地展开缠绕像元,还可以在展开缠绕像元的同时抑制相位噪声,降低前置预滤波器的难度与复杂度,甚至可以在处理受噪声污染不严重的干涉图时免去前置预滤波处理步骤。试验结果表明本文算法具有较高的效率和良好的稳键性。     

InSAR干涉图滤波方法研究

探讨多视滤波法、中值滤波法、基于梯度的自适应滤波、additive滤波法四种抑制干涉图噪声的滤波方法.多视滤波法平滑了影像数据,是以牺牲空间分辨率为代价的,通常这种滤波处理应用在从两个单视影像获得的复数影像处理中;作为一种传统的抑制噪声方法,中值滤波技术实质上是一种非线性信号处理技术,它假设噪声具有极端的数值,即在所定义的平滑模板内为最(较)大值或最(较)小值,因此它会使得干涉图丢失一些信息;基于梯度的自适应法是基于梯度的一种中值滤波,它使得边缘更加清晰,该方法可与中值滤波联合使用;Addtive滤波法强调根据局部噪声状况和使用方向平行窗口得到的滤波噪声边缘来自适应的滤除噪声,对于局部噪声状况由关联图来决定.这种方法尤其对高关联的干涉图最为可取.